Artificial Intelligence-Based Protection Scheme for Fast Fault Detection and Classification in Power Distribution Systems

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:AIを電力系統保護に応用する研究の参考になる。

🏢実務担当者:配電系統の保護設計にAIを検討する際の事例として有用。

モバイルロボットは、農業、軍事、消防、宇宙探査など、様々な用途に使用される極めて重要なロボットである。分散型エネルギー資源、再生可能エネルギー発電、電気自動車、スマートグリッド技術の普及拡大は、電気配電系統における従来の保護方式に重大な課題をもたらしている。放射状トポロジー、双方向電力潮流、動的な負荷条件、そして現代の配電系統における頻繁な系統再構成は、高速かつ正確な故障検出を達成する上で、従来のリレー方式による保護手法の有効性をしばしば低下させている。本論文は、IEEE配電系統における高速な故障検出と分類のための人工知能（AI）ベースの保護方式を提示する。提案手法は、MATLAB/Simulinkで開発されたIEEE配電フィーダモデルから得られた電圧・電流信号を用いて学習された人工ニューラルネットワーク（ANN）を採用している。単相地絡（LG）、相間短絡（LL）、二相地絡（LLG）、三相短絡（LLL）の4つの主要な故障カテゴリが、様々な故障地点、故障抵抗、故障投入位相角、負荷条件下でシミュレーションされ、包括的な訓練・テストデータセットが生成された。学習済みANNモデルは、全体で98.7%の故障分類精度を達成し、平均故障検出時間は0.025秒であり、故障識別に約0.12秒を要する従来の過電流リレー方式による保護手法を大幅に上回った。シミュレーション結果はさらに、提案されたAIベースの保護方式が故障検出信頼性を35%向上させ、故障誤分類エラーを2%未満に低減することを実証した。これらの知見は、AIベースの保護技術が現代のIEEE配電系統に対して、高速性、適応性、信頼性、正確性の向上を提供し、分散型エネルギー資源が高普及した次世代スマート配電ネットワークに適していることを示している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Mobile robots are immensely important robots used for various applications; agriculture, military, firefighting and space exploration. The increasing penetration of distributed energy resources, renewable energy generation, electric vehicles, and smart grid technologies has introduced significant challenges to conventional protection schemes in electrical distribution systems. The radial topology, bidirectional power flow, dynamic loading conditions, and frequent network reconfiguration of modern distribution systems often reduce the effectiveness of traditional relay-based protection methods in achieving rapid and accurate fault detection. This paper presents an Artificial Intelligence (AI)-based protection scheme for fast fault detection and classification in an IEEE distribution system. The proposed approach employs an Artificial Neural Network (ANN) trained using voltage and current signals obtained from an IEEE distribution feeder model developed in MATLAB/Simulink. Four major fault categories, namely single line-to-ground (LG), line-to-line (LL), double line-to-ground (LLG), and three-phase (LLL) faults, were simulated under varying fault locations, fault resistances, fault inception angles, and loading conditions to generate comprehensive training and testing datasets. The trained ANN model achieved an overall fault classification accuracy of 98.7%, with an average fault detection time of 0.025 s, significantly outperforming conventional overcurrent relay-based protection methods, which required approximately 0.12 s for fault identification. Simulation results further demonstrated that the proposed AI-based protection scheme improved fault detection reliability by 35% while reducing fault misclassification errors to less than 2%. The findings demonstrate that AI-based protection techniques provide enhanced speed, adaptability, reliability, and accuracy for modern IEEE distribution systems, making them suitable for next-generation smart distribution networks with high penetration of distributed energy resources.

• Zenodo https://zenodo.org/records/21864638first seen 2026-08-10 04:12:10 · last seen 2026-08-11 04:15:08